大模型应用开发/AI应用开发/Agent开发和大模型应用算法岗的界限在哪里很多同学很懵暂且认为需要做模型训练的是算法岗、不做训练的是开发岗但是刷刷小红书又看到很多“不训练的算法工程师”分享工作日常很多已经在实习的同学同样很懵“我是Agent开发进来的怎么天天在造数据”“我是算法岗就让我写写skills、调调api我都没接触过模型训练”hr也很懵且看JD有的岗位干脆不做区分了统一叫做AI应用工程师这也是未来的大趋势。现阶段Agent工程化一般是开发和算法合作实现落地比如设计架构、记忆机制、规划链路、工具编排、状态管理、多智能体协同等等等等。举个例子假如现在要做OpenClaw的记忆插件开发。算法可能就会专注记忆能力优化打磨 AI 记忆核心逻辑主要做以下工作对话信息提纯过滤冗余内容抽取人物、偏好、指令等核心记忆要素记忆分级管理按时效、频次、关注度打分划分长期 / 短期记忆检索算法优化适配场景选型语义召回方案优化向量检索与相似度匹配记忆轻量化去重精简文本压缩存储体积保留核心语义智能组上下文结合当前对话联动历史记忆动态拼接适配对话语境开发则是负责插件落地投产保障稳定可用主要做以下工作按框架规范开发插件入口完成工具注册接入对接业务库与向量库设计存储结构优化读写性能编写数据迁移脚本完成存量历史记忆无缝兼容完善全流程异常捕获与降级策略杜绝运行崩溃容器化打包部署配置服务器资源限额搭建多级缓存、断点续传机制提升运行效率搭建日志监控告警实时排查运行隐患你可能会觉得这里算法的工作好像没什么含金量写prompt不就能实现了事实也确实如此你说算法的这些工作开发能不能做我觉得是能做的而且不见得比算法做得差。就像在遥远的2024年RAG都是算法在做现在基本都是开发在做了可能在未来这两类工作都会给一类叫做Agent工程师/AI应用工程师的岗位去做。这又引申出另一个问题应用算法工程师会消失吗毕竟他们的工程能力不如后端写prompt又好像在和产品抢活干。而随着基座模型能力的日渐强大以前很多需要垂域微调的场景现在直接用通用大模型就能搞定。关于这个问题我也和同事讨论过一致结论是可能岗位会减少但不会消失。原因是**第一强约束场景离不开自研小模型。**像边缘设备、实时风控这类对时延、数据安全要求很高的场景通用大模型根本跑不动只能用轻量化本地小模型。而小模型的调优、适配、落地部署就是应用算法工程师的本职工作。**第二底层架构还有迭代变数。**目前行业清一色用Transformer如果后续出现更好的新架构完全有可能现有模型体系全部要推倒重来各行各业的垂类模型都得重新训练适配到时候又会冒出大量算法调优、落地的需求。**第三行业落地差距很大。**现在国内大部分公司还处在追赶阶段业务杂乱、数据质量差、算力有限没办法直接硬套通用基座模型。这种情况下依旧需要算法人员针对业务做模型改造、优化、轻量化把模型真正落地跑通。说了这么多所以我该怎么学岗位界限如此不清晰那我岂不是开发算法都得学其实不用全部学盲目两头深耕只会精力透支最合适的学习方式是定主方向、补通用能力、模糊边界、打造复合竞争力。最后对于正在迷茫择业、想转行提升或是刚入门的程序员、编程小白来说有一个问题几乎人人都在问未来10年什么领域的职业发展潜力最大答案只有一个人工智能尤其是大模型方向当下人工智能行业正处于爆发式增长期其中大模型相关岗位更是供不应求薪资待遇直接拉满——字节跳动作为AI领域的头部玩家给硕士毕业的优质AI人才含大模型相关方向开出的月基础工资高达5万—6万元即便是非“人才计划”的普通应聘者月基础工资也能稳定在4万元左右。再看阿里、腾讯两大互联网大厂非“人才计划”的AI相关岗位应聘者月基础工资也约有3万元远超其他行业同资历岗位的薪资水平对于程序员、小白来说无疑是绝佳的转型和提升赛道。如果你还不知道从何开始我自己整理一套全网最全最细的大模型零基础教程我也是一路自学走过来的很清楚小白前期学习的痛楚你要是没有方向还没有好的资源根本学不到东西下面是我整理的大模型学习资源希望能帮到你。扫码免费领取全部内容最后1、大模型学习路线2、从0到进阶大模型学习视频教程从入门到进阶这里都有跟着老师学习事半功倍。3、 入门必看大模型学习书籍文档.pdf书面上的技术书籍确实太多了这些是我精选出来的还有很多不在图里4、AI大模型最新行业报告2026最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。5、面试试题/经验【大厂 AI 岗位面经分享107 道】【AI 大模型面试真题102 道】【LLMs 面试真题97 道】6、大模型项目实战配套源码适用人群四阶段学习规划共90天可落地执行第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容3、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】